一種基于人臉圖像的血壓預(yù)測(cè)方法及手的制造方法
【專利摘要】本發(fā)明公開了一種基于人臉圖像的血壓預(yù)測(cè)方法，其特征在于包括步驟；采集人臉圖像；構(gòu)造人臉圖像的特征向量；利用血壓回歸預(yù)測(cè)模型預(yù)測(cè)該人臉圖像的血壓值。本發(fā)明還公開了一種基于人臉圖像的血壓預(yù)測(cè)手機(jī)，包括：一個(gè)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)；一個(gè)訓(xùn)練樣本數(shù)據(jù)庫(kù)；一個(gè)血壓檔案數(shù)據(jù)庫(kù)。手機(jī)還包含：手機(jī)攝像頭控制模塊，人臉圖像采集模塊，人臉圖像的特征向量構(gòu)造模塊，血壓回歸預(yù)測(cè)模塊，血壓顯示模塊，短信發(fā)送模塊，異常血壓預(yù)警模塊，血壓檔案管理模塊，血壓回歸預(yù)測(cè)模型的學(xué)習(xí)模塊。本發(fā)明的有益效果在于預(yù)測(cè)血壓的方法及手機(jī)簡(jiǎn)單易用，能讓使用者隨時(shí)了解其血壓預(yù)警情況，能為醫(yī)師提供診斷參考。
【專利說明】一種基于人臉圖像的血壓預(yù)測(cè)方法及手機(jī)

【技術(shù)領(lǐng)域】
[0001] 本方法涉及一種基于人臉圖像的血壓預(yù)測(cè)方法及手機(jī)，屬于醫(yī)療健康、機(jī)器學(xué)習(xí) 和移動(dòng)互聯(lián)網(wǎng)【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 隨著人們生活水平的提高和社會(huì)的老年化，高血壓患者的人數(shù)在逐年增加，特別 是快節(jié)奏的工作常常使人們顧此失彼，忽視了高血壓的危害，甚至根本就不知道自己什么 時(shí)候已變成了高血壓患者，為此通過長(zhǎng)期及時(shí)地對(duì)血壓進(jìn)行監(jiān)測(cè)，有助于高血壓疾病早期 診斷和預(yù)防，大幅度降低發(fā)病比例，大大降低病患的醫(yī)療成本。傳統(tǒng)測(cè)量血壓（收縮壓和舒 張壓）的方法是水銀血壓計(jì)，近年來還興起了電子血壓計(jì)，但是這些血壓計(jì)攜帶都不方便， 例如出差期間攜帶血壓計(jì)就不太方便，也經(jīng)常忘記。同時(shí)這些血壓計(jì)測(cè)量的結(jié)果沒有建立 血壓檔案，最多只是將測(cè)量結(jié)果輸入到計(jì)算機(jī)進(jìn)行管理，相比這種低效率的醫(yī)療方式，用平 板電腦或手機(jī)來管理就很方便，不僅直觀，而且簡(jiǎn)單、高效和方便。目前已有將血壓測(cè)量同 智能終端聯(lián)系起來的方法，例如平板電腦血壓計(jì)，把血壓計(jì)的袖帶纏到人的胳膊上，平板電 腦能控制手臂上的袖帶收緊壓縮，很快屏上顯示出準(zhǔn)確的血壓的相關(guān)指標(biāo)，并以綠、黃、紅 等顏色表明測(cè)試者的健康狀況，但是這種方法還是需要袖帶，只是解決了數(shù)據(jù)的無(wú)線自動(dòng) 上傳問題。
[0003] 目前血壓的測(cè)量方法還是需要特殊的設(shè)備，如測(cè)量血壓的袖帶，還要專門購(gòu)買，同 時(shí)攜帶也不方便，也很容易忘記。


【發(fā)明內(nèi)容】

[0004] 針對(duì)上述問題，本發(fā)明提供一種基于人臉圖像的血壓預(yù)測(cè)方法及手機(jī)，能夠攜帶 方便，測(cè)量自覺進(jìn)行，能夠讓使用者容易并快速了解其血壓趨勢(shì)的變化，有助于使用者自行 調(diào)整其生活習(xí)性，并提供這類信息給醫(yī)師作為診斷的輔助參考，幫助恢復(fù)到正常的血壓值。
[0005] 為實(shí)現(xiàn)上述目的，本發(fā)明采取如下技術(shù)方案：
[0006] 由于血壓能從人臉的變化中反映出來，例如大部分高血壓患者都出現(xiàn)面紅升火的 表現(xiàn)，并常伴有情緒不穩(wěn)，容易激動(dòng)癥狀，目前已有通過人臉來預(yù)測(cè)情感的方法，那么本發(fā) 明采用人臉圖像來預(yù)測(cè)血壓，作為高血壓的預(yù)警機(jī)制，提醒患者迅速到醫(yī)院就診斷。
[0007] 本發(fā)明為一種基于人臉圖像的血壓預(yù)測(cè)方法，其特征在于該方法包括以下步驟：
[0008] 1)采集人臉圖像
[0009] 2)構(gòu)造人臉圖像特征向量
[0010] 3)利用血壓回歸預(yù)測(cè)模型預(yù)測(cè)該人臉圖像對(duì)應(yīng)的血壓值
[0011] 其中血壓回歸預(yù)測(cè)模型是通過機(jī)器學(xué)習(xí)獲得的，包括以下步驟
[0012] 1)采集N個(gè)人臉圖像及對(duì)應(yīng)的血壓值
[0013] 2)構(gòu)造每個(gè)人臉圖像的特征向量
[0014] 3)構(gòu)造訓(xùn)練數(shù)據(jù)，以人臉圖像特征向量為輸入，其對(duì)應(yīng)的血壓值為輸出，構(gòu)成訓(xùn)練 樣本
[0015] 4)基于訓(xùn)練樣本集合，學(xué)習(xí)最小二乘支持向量機(jī)血壓預(yù)測(cè)模型
[0016] 5)以M倍交叉驗(yàn)證方式選擇最小二乘支持向量機(jī)血壓預(yù)測(cè)模型的最佳參數(shù)，進(jìn)而 獲得對(duì)應(yīng)的最小二乘支持向量機(jī)血壓預(yù)測(cè)模型。
[0017] 本發(fā)明還涉及一種基于人臉圖像的血壓預(yù)測(cè)手機(jī)，其特征在于，所述的手機(jī)包括： 一個(gè)血壓標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)；一個(gè)訓(xùn)練樣本數(shù)據(jù)庫(kù)；一個(gè)血壓檔案數(shù)據(jù)庫(kù)。手機(jī)還包含 ：
[0018] 手機(jī)攝像頭控制模塊，人臉圖像采集模塊，人臉圖像的特征向量構(gòu)造模塊，血壓回 歸預(yù)測(cè)模塊，血壓顯示模塊，短信發(fā)送模塊，異常血壓預(yù)警模塊，血壓檔案管理模塊，血壓回 歸預(yù)測(cè)模型的學(xué)習(xí)模塊。其中手機(jī)攝像頭控制模塊的輸出與人臉圖像采集模塊的輸入連 接；人臉圖像采集模塊的輸出與人臉圖像的特征向量構(gòu)造模塊的輸入連接；人臉圖像的特 征向量構(gòu)造模塊的輸出與血壓回歸預(yù)測(cè)模塊的輸入連接；血壓回歸預(yù)測(cè)模型學(xué)習(xí)模塊的輸 出與血壓回歸預(yù)測(cè)模塊的輸入連接；血壓回歸預(yù)測(cè)模塊的輸出與異常血壓預(yù)警模塊的輸入 連接；異常血壓預(yù)警模塊的輸出與血壓顯示模塊的輸入連接；血壓顯示模塊的輸出與短信 發(fā)送模塊的輸入連接；短信發(fā)送模塊的輸出與血壓檔案管理模塊的輸入連接。
[0019] 有益效果
[0020] 本發(fā)明由于采用如上的技術(shù)方案，具有以下優(yōu)點(diǎn)：
[0021] 1)方法預(yù)測(cè)精度好。
[0022] 2)手機(jī)通過采集人臉圖像來預(yù)測(cè)血壓，簡(jiǎn)單易用。
[0023] 3)因?yàn)榻?jīng)常使用手機(jī)，能夠在用戶使用手機(jī)時(shí)自動(dòng)采集人臉圖像，預(yù)測(cè)血壓，并就 異常血壓報(bào)警，從而防止忘記測(cè)量血壓，耽誤治療等帶來的問題。
[0024] 4)手機(jī)能將血壓的預(yù)警信息自動(dòng)發(fā)布到用戶和指定手機(jī)的短信箱，這樣能提醒用 戶隨時(shí)了解用戶血壓情況，能提供信息給醫(yī)師作為診斷的輔助參考，不需要用戶去獨(dú)立運(yùn) 行程序和查看結(jié)果。

【專利附圖】

【附圖說明】
[0025] 圖1 一種基于人臉圖像的血壓預(yù)測(cè)方法的流程圖
[0026] 圖2 -種基于人臉圖像的血壓預(yù)測(cè)模型的訓(xùn)練流程，血壓回歸預(yù)測(cè)模型的訓(xùn)練流 程圖
[0027] 圖3 -種基于人臉圖像的血壓預(yù)測(cè)手機(jī)的系統(tǒng)結(jié)構(gòu)圖

【具體實(shí)施方式】
[0028] 本發(fā)明提出的一種基于人臉圖像的血壓預(yù)測(cè)方法，結(jié)合附圖和實(shí)施例說明如下。 如圖1所示，為一種基于人臉圖像的血壓預(yù)測(cè)方法，其特征在于該方法包括以下步驟：
[0029] [1]人臉圖像的采集與檢測(cè)
[0030] [2]抽取人臉圖像特征，形成人臉圖像的特征向量
[0031] [3]利用血壓回歸預(yù)測(cè)模型預(yù)測(cè)人臉圖像對(duì)應(yīng)的血壓值
[0032]
[0033]
[0034] 其中血壓回歸預(yù)測(cè)模型是通過機(jī)器學(xué)習(xí)獲得的，包括以下步驟
[0035] [1]采集1000個(gè)人臉圖像及對(duì)應(yīng)的血壓值
[0036] [2]抽取每個(gè)人臉圖像的特征向量
[0037] [3]構(gòu)造訓(xùn)練數(shù)據(jù)，以人臉圖像特征向量為輸入，其對(duì)應(yīng)的血壓值為輸出，構(gòu)成訓(xùn) 練樣本集合
[0038] [4]利用訓(xùn)練樣本集合，訓(xùn)練最小二乘支持向量機(jī)，獲得血壓回歸預(yù)測(cè)模型
[0039] [5]以10倍交叉驗(yàn)證方式選擇最小二乘支持向量機(jī)的合適參數(shù)，進(jìn)而獲得對(duì)應(yīng)的 最小二乘支持向量機(jī)血壓回歸預(yù)測(cè)模型
[0040]
[0041]
[0042] 本實(shí)施案例中，人臉圖像處理采用Android OpenCV提供的API函數(shù)實(shí)現(xiàn)， AndroidOpenCV是OpenCV在Android手機(jī)上的移植版。血壓預(yù)測(cè)模型米用最小二乘支持向 量機(jī)。
[0043] 人臉采集與檢測(cè)方法
[0044] 首先是人臉圖像的采集，通過攝像頭等圖像捕捉工具獲取人臉的靜態(tài)圖像，然后 完成圖像預(yù)處理，包括圖像的大小和灰度的歸一化，頭部姿態(tài)的矯正，和人臉圖像的檢測(cè)等
[0045] 人臉檢測(cè)算法采用Viola-Jones的級(jí)聯(lián)分類器算法，它是現(xiàn)在的一個(gè)比較優(yōu)秀的 人臉檢測(cè)算法。這種算法使用基于Haar特征的級(jí)聯(lián)分類器策略，可快速且有效地找到多種 姿態(tài)和尺寸的人臉圖像。在OpenCV上有一個(gè)該算法的實(shí)現(xiàn)。OpenCV是Intel開源計(jì)算機(jī) 視覺庫(kù)（Computer Version)，由一系列C函數(shù)和少量C++類構(gòu)成，實(shí)現(xiàn)了圖像處理和計(jì)算 機(jī)視覺方面的很多通用算法。OpenCV擁有包括300多個(gè)C函數(shù)的跨平臺(tái)的中、高層API。 OpenCV對(duì)非商業(yè)應(yīng)用和商業(yè)應(yīng)用都是免費(fèi)的。同時(shí)OpenCV提供了對(duì)硬件的訪問，可以直接 訪問攝像頭，因而我們利用OpenCV編程實(shí)現(xiàn)人臉圖像的采集和檢測(cè)，從而獲得人臉圖像。 包括兩個(gè)步驟。第1步是圖片預(yù)處理，從攝像頭中獲得一個(gè)幀（一張圖片）后，先對(duì)這張圖 片進(jìn)行一些預(yù)處理：將圖片從RGB模式轉(zhuǎn)為灰度圖，然后進(jìn)行灰度圖直方圖均衡化操作，這 步在OpenCV中的實(shí)現(xiàn)非常簡(jiǎn)單。第2步，檢測(cè)并標(biāo)記人臉目標(biāo)，在OpenCV中，對(duì)于人臉檢 測(cè)的模型已經(jīng)建立為一個(gè)XML文件，其中包含了上面提到的Haar特征的分類器的訓(xùn)練結(jié) 果，我們直接使用這個(gè)結(jié)果，將待檢測(cè)的人臉圖像和級(jí)聯(lián)分類器模型一同傳遞給OpenCV的 目標(biāo)檢測(cè)算法即得到一個(gè)檢測(cè)到的人臉圖像。
[0046] 人臉圖像的特征向量構(gòu)造方法
[0047] 常用圖像特征有顏色特征、紋理特征、形狀特征、空間關(guān)系特征等。本實(shí)施案例采 用顏色特征。國(guó)際標(biāo)準(zhǔn)MPEG-7中建議了一種描述符顏色布局，它表達(dá)了顏色的空間分布信 息。在顏色布局描述符中，對(duì)分割好的8X8的圖像取每一塊圖像的顏色平均值，形成一個(gè) 顏色平均值矩陣，然后對(duì)其用二維離散余弦進(jìn)行變換，取低頻分量作為顏色特征。本實(shí)施案 例具體提取方法如下：
[0048] [1]將整幅圖像分成8X8塊，計(jì)算每一塊中所有象素 RGB三個(gè)顏色通道的顏色平 均值，并以此作為該塊的代表顏色（主顏色）。
[0049] [2]將各塊的顏色平均值進(jìn)行離散余弦變換（DCT)，得到DCT系數(shù)矩陣。DCT是一 種離散變換，是國(guó)際靜止圖像壓縮標(biāo)準(zhǔn)JPEG的基礎(chǔ)。由于大多數(shù)圖像的高頻分量較小，相 應(yīng)于圖像高頻分量的系數(shù)經(jīng)常為零，加上人眼對(duì)高頻成分的失真不太敏感，所以只利用部 分DCT系數(shù)作為特征向量。
[0050] [3]對(duì)DCT系數(shù)矩陣進(jìn)行之字形掃描和量化，得到DCT系數(shù)。
[0051] [4]對(duì)于R、G、B三個(gè)通道，分別從DCT系數(shù)中取出4個(gè)低頻分量，形成12個(gè)參數(shù)， 共同構(gòu)成該圖像的顏色特征向量。最后將顏色特征向量作為人臉圖像的特征向量。
[0052] 本實(shí)施案例采用OpenCV提供的API函數(shù)來實(shí)現(xiàn)圖像特征向量的構(gòu)造。
[0053] 血壓回歸預(yù)測(cè)方法
[0054] 本實(shí)施案例的血壓回歸預(yù)測(cè)模型采用最小二乘支持向量機(jī)（Least Squares Support Vector Machine，LSSVM)。支持向量機(jī)（Support Vector Machine，SVM)是近幾 年剛發(fā)展起來的一種預(yù)測(cè)方法.它基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，具有良好的泛化能力。最小 二乘支持向量機(jī)是標(biāo)準(zhǔn)SVM的一個(gè)變形，它將SVM求解二次規(guī)劃問題轉(zhuǎn)換成求解線性方程 組，避免了不敏感損失函數(shù)，大大降低了計(jì)算的復(fù)雜性，求解速度大大加快，而且預(yù)測(cè)精度 較好，這是我們采用LSSVM的原因。
[0055] 支持向量機(jī)屬于統(tǒng)計(jì)學(xué)習(xí)方法，是一種新的，很有潛力的數(shù)據(jù)分類和回歸工具。我 們首先解決線性回歸問題。假定已知一組訓(xùn)練集（Xp y)，…，（Xp yd，X e Rn，y e R，確 定一個(gè)基于訓(xùn)練集的函數(shù)：
[0056] f (x) =w x+b
[0057] 來逼近未知的回歸函數(shù)。把回歸估計(jì)問題定義為對(duì)一個(gè)損失函數(shù)進(jìn)行風(fēng)險(xiǎn)最小化 的問題，利用SVM進(jìn)行風(fēng)險(xiǎn)最小化時(shí)，最優(yōu)的回歸函數(shù)是在一定的約束條件下最小化目標(biāo) 函數(shù)：

【權(quán)利要求】
1. 一種基于人臉圖像的血壓預(yù)測(cè)方法，其特征在于該方法包括以下步驟： [1] 采集人臉圖像 [2] 構(gòu)造人臉圖像的特征向量 [3] 利用血壓回歸預(yù)測(cè)模型預(yù)測(cè)該人臉圖像對(duì)應(yīng)的血壓值（收縮壓和舒張壓）。
2. 根據(jù)權(quán)利要求1所述的一種基于人臉圖像的血壓預(yù)測(cè)方法，其特征在于所述的步驟 [3]中的血壓回歸預(yù)測(cè)模型的輸入是人臉圖像，輸出是預(yù)測(cè)的血壓值。
3. 根據(jù)權(quán)利要求1所述的一種基于人臉圖像的血壓預(yù)測(cè)方法，其特征在于，所述的步 驟[3]的血壓回歸預(yù)測(cè)模型的獲取包含以下步驟 a) 采集N個(gè)人臉圖像及對(duì)應(yīng)的血壓值 b) 構(gòu)造每個(gè)人臉圖像的特征向量 c) 構(gòu)造訓(xùn)練數(shù)據(jù)，以人臉圖像的特征向量為輸入，其對(duì)應(yīng)的血壓值為輸出，構(gòu)成訓(xùn)練樣 本集合 d) 采用訓(xùn)練樣本集合，學(xué)習(xí)血壓回歸預(yù)測(cè)模型 e) 以Μ倍交叉驗(yàn)證方式選擇血壓回歸預(yù)測(cè)模型的最佳參數(shù)，進(jìn)而獲得對(duì)應(yīng)參數(shù)的血壓 回歸預(yù)測(cè)模型。
4. 根據(jù)權(quán)利要求1和3所述的一種基于人臉圖像的血壓預(yù)測(cè)方法，其特征在于，所述血 壓回歸預(yù)測(cè)模型的獲得是基于構(gòu)造的訓(xùn)練樣本集合，每個(gè)樣本以人臉圖像的特征向量為輸 入，其對(duì)應(yīng)的血壓值為輸出。
5. 根據(jù)權(quán)利要求1和3所述的一種基于人臉圖像的血壓預(yù)測(cè)方法，其特征在于，所述的 血壓回歸預(yù)測(cè)模型采用最小二乘支持向量機(jī)預(yù)測(cè)模型。
6. 本發(fā)明還涉及一種基于人臉圖像的血壓預(yù)測(cè)手機(jī)，其特征在于，所述的手機(jī)包括： 一個(gè)血壓標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)；一個(gè)訓(xùn)練樣本數(shù)據(jù)庫(kù)；一個(gè)血壓檔案數(shù)據(jù)庫(kù)。手機(jī)還包含：手機(jī)攝像 頭控制模塊，人臉圖像采集模塊，人臉圖像的特征向量構(gòu)造模塊，血壓回歸預(yù)測(cè)模塊，血壓 顯示模塊，短信發(fā)送模塊，異常血壓預(yù)警模塊，血壓檔案管理模塊，血壓回歸預(yù)測(cè)模型的學(xué) 習(xí)模塊。其中手機(jī)攝像頭控制模塊的輸出與人臉圖像采集模塊的輸入連接；人臉圖像采集 模塊的輸出與人臉圖像的特征向量構(gòu)造模塊的輸入連接；人臉圖像的特征向量構(gòu)造模塊的 輸出與血壓回歸預(yù)測(cè)模塊的輸入連接；血壓回歸預(yù)測(cè)模型學(xué)習(xí)模塊的輸出與血壓回歸預(yù)測(cè) 模塊的輸入連接；血壓回歸預(yù)測(cè)模塊的輸出與異常血壓預(yù)警模塊的輸入連接；異常血壓預(yù) 警模塊的輸出與血壓顯示模塊的輸入連接；血壓顯示模塊的輸出與短信發(fā)送模塊的輸入連 接；短信發(fā)送模塊的輸出與血壓檔案管理模塊的輸入連接。
【文檔編號(hào)】G06K9/62GK104274164SQ201310284948
【公開日】2015年1月14日 申請(qǐng)日期:2013年7月5日 優(yōu)先權(quán)日:2013年7月5日
【發(fā)明者】不公告發(fā)明人 申請(qǐng)人:廣州華久信息科技有限公司